本文提出了一种集合间的距离函数，使用元素之间的距离平均值作为基础，当集合是有限的非空度量空间子集时，该距离函数是一种度量标准，可应用于生成多种集合空间，并用于计算机科学和信息科学领域的复杂数据集的分析，同时对 Hausdorff 距离的推广和对处理模糊集合无限集合的扩展也进行了讨论。

Mar, 2011

本文旨在建立一个正式的框架来评估距离分布的判别能力，即这些伪度量无法定义适当的度量的程度，我们使用多个度量空间类别构建了一些精确的逆问题，并介绍了一个变量的 Gromov-Wasserstein 距离用于测量度量度量空间的距离。

Oct, 2018

本文系统地综述了度量学习的前沿研究进展，着重分析了 Mahalanobis 距离度量学习、非线性度量学习、局部度量学习等新近涌现的强大替代方法，讨论了对于结构化数据的度量学习中仍存在的挑战，旨在给出度量学习近年来的发展方向。

Jun, 2013

本教程提供了关于距离度量学习的理论基础和基础知识，以及最常见算法的全面实验分析，重点考虑降维和核化，在标准分类问题中评估所有算法的能力，并讨论了这个领域的未来前景和挑战。

Dec, 2018

本研究主要探讨了在度量空间中的对象，如最近邻搜索和聚类等重要数据挖掘问题，以及在图上聚类和分类等的应用。研究发现，虽然一些流行的大规模图距离量度并非度量空间，但可以定义一类包含多种距离度量且具有可计算性和可扩展性的图距离度量方法。此外，研究人员还探讨了如何将节点的属性信息融入度量中。

Jan, 2018

本文探讨了基于距离概念的欧几里得几何学，重点研究应用于各种领域中的不完整距离数据的欧几里得空间点集。具体应用包括：分子构象、传感器网络定位和静态问题等。

May, 2012

本文介绍了核距离的定义和其作为嵌入向量空间中的各种图形的概率测度之间的 L_2 距离，以及如何利用这种结构解决数据分析问题，同时窥探了这种度量的数学基础及其在两个独立领域中的最新进展。

Mar, 2011

本文主要综述了结构化表示形式下的距离函数 (或相似度函数) 在机器学习和人工智能中的应用，旨在为不同领域的研究提供参考和指明未来方向。

Feb, 2020

本文回顾总结了 10 个重要的概率度量标准 / 距离，并研究它们之间的界限，特别关注于这些度量标准因为它们是众所周知、常用的，或者具有实际的边界技术。文章总结了这些度量标准之间的关系，并给出了例子以表明收敛速度可能依赖于度量标准的选择。

Sep, 2002

本文采用几何方法研究 Fisher 距离（用于测量两个概率分布函数之间的差异），并在多种统计模型中应用超几何几何学推导 Fisher 距离，同时设计与 Kullback-Leibler 差异测量的关联。

Oct, 2012